模糊神经网络技术在液压泵故障诊断中的应用

提出了一种基于模糊神经网络的液压泵故障诊断方法,介绍了该方法的基本原理及实现算法.以某型号齿轮泵为研究对象,利用其状态数据作为样本数据,建立了基于模糊神经网络的齿轮泵的故障诊断模型.并利用该模型对齿轮泵运行状态进行了辨识,结果表明,该方法能够充分利用检测到的各种故障征兆信息,从而使齿轮泵故障诊断更加准确有效.此方法也可用于其它同类设备的故障诊断.     

基于DS–PCA模型的包装设备滚动轴承故障诊断方法研究

目的 针对包装设备长期连续工作的工作特性,对其滚动轴承的常见失效故障进行分析,提出一种基于DS–PCA模型的滚动轴承故障诊断方法,构建滚动轴承DS–PCA故障诊断模型,实现包装设备中滚动轴承的在线故障诊断。方法 先运用DS证据理论对采集到的滚动轴承径向振动数据和轴向振动数据进行融合,使得信息具有整体完备性,同时对采集信号进行决策规则下的去噪处理,剔除干扰噪声信息;然后利用主成分分析法(PCA)将融合后的振动信号数据进行Q与T²的统计量计算,并通过对故障轴承振动信号的Q与T²统计量计算,确立故障时的经验阈值;最后,依据实时统计量与经验阈值对比,判断滚动轴承是否发生故障。结果 通过对西储大学公开的滚动轴承试验数据分析计算,得到滚动轴承故障诊断准确率达到94%。结论 该方法满足包装设备故障诊断的要求,其应用将有利于提升包装企业的生产质量和效率。     

冷水机组多故障耦合研究

为了提高冷水机组的运行效率、设备可靠性和能源利用率,本研究将对冷水机组的多故障耦合进行检测和诊断。首先,本研究使用RP-1043(Research Promotion)项目的故障数据,对冷水机组几种典型故障数据进行分析对比。其次,本研究使用3种树模型对数据进行训练,发现随机森林在准确率和训练预测的效率上综合表现最好。使用随机森林模型,结合专家知识,对故障等级为1的冷水机组的运行数据进行特征选取,然后建立贝叶斯网络故障诊断模型。最后,使用该模型对实际故障案例进行诊断与分析,对比附加信息层对故障诊断的影响。结果表明,该模型仅使用故障特征节点便可以对故障进行有效的诊断,合理利用附加信息层可以进一步提高故障诊断的可靠性。     

基于Petri网和故障树的变电站故障诊断方法

针对变电站的设备组成及联接特点,利用Petri网(PN)的图形特性,提出了一种基于Petri网和故障树的变电站故障诊断模型和诊断方法.利用PN建立了可能性故障区域诊断模型,利用PN和故障树建立故障元件诊断模型.详细给出了变电站可能的故障区域诊断方法和变电站故障元件诊断方法.在故障元件的诊断中,建立了针对可能故障区域的面向设备的子Petri网模型,降低了诊断的复杂性.仿真研究表明,利用该方法可以比较容易实现变电站故障诊断系统,且有高的准确性和诊断效率.     

少量样本下基于PCA-BNs的多故障诊断

针对一些工业设备因有标签故障样本数据少而导致诊断准确率低的问题,提出了一种PCA-BNs主成分分析和斯网络(principal component analysis-Bayesian networks, PCA-BNs)结合的多故障网络模型的建模方法。通过PCA对时序信号进行降维,得到相互独立的故障特征,提高提取故障关键信息的能力;利用融合单故障贝叶斯网络构建多故障贝叶斯网络结构的方法,解决BN建模过程耗时的问题;通过高斯分布与极大似然估计结合的方法确定网络参数,提高少量数据BN建模的精度,实现在少量样本下的故障诊断。试验结果表明,基于PCA-BNs的故障诊断方法在少量样本条件下,能实现高精度的故障诊断,并且有效缩减了算法运行时间。     

基于组态技术的诊断系统应用研究

提出了基于组态技术和客户机/服务器技术来实现开放式故障诊断系统,采用基于数据库的测量组态、分析组态、诊断组态的技术对诊断进行组态定义,实现数据与程序分离,对组态式诊断系统模型研制思路作了阐述.并利用该系统对现场设备的故障进行诊断分析,现场应用效果良好.     

基于大数据挖掘的集控设备故障处置辅助决策方法

为了提高集控设备故障诊断精度并提供最佳处置决策,提出基于大数据挖掘的集控设备故障处置辅助决策方法。设计集控设备故障辅助决策框架,通过数据接口层获取数据采集与监视控制、继电保护及故障信息等系统的设备运行数据,存储于电网拓扑数据库中,与故障文件信息、各子站的CIM/SVG/SCL信息及规则库一起保存于数据存储层。数据处理层调用存储层数据,采用改进K-means算法挖掘电网拓扑数据库中的集控设备故障信息,利用小波包提取设备故障特征后,将其输入到分析层的基于哈夫曼树的最小二乘双支持向量机多分类模型中,实现集控设备故障诊断,确定故障模式,并采用灰色定权聚类分析方法实现故障模式的分类决策。实验结果表明：该方法可提高集控设备故障分类精度及效率,故障诊断误差低,可实现集控设备故障诊断,作出最佳故障处置决策。     

声信号的主分量分析应用于滚动轴承故障诊断

利用声信号来进行故障诊断具有"采集比较容易,非接触式测取,设备简单,速度快,无须事先粘贴传感器,不影响设备正常工作,易于实现早期预报和在线监测,疳可在不易测量振动信号的场合得到广泛应用"等优点.由于外界噪声的影响,有效信息的提取较为困难.采用主分量分析对传声器测取的声信号进行了预处理;在此基础上应用基于Morlet小波变换的包络分析和频谱分析来提取故障特征向量,并以滚动轴承为例进行实验.结果表明,这是诊断滚动轴承早期故障的一种可选方法.     

基于Inception v3的印刷设备轴承故障智能诊断方法研究

目的 轴承作为印刷设备中的旋转核心元件,其运行状态对印刷设备的健康监测作用较大。通过融合小波时频处理与Inception v3模型的优势,提出一种用于印刷设备轴承故障智能诊断方法。方法 利用Morlet小波对采集到的印刷设备轴承原始振动信号进行处理,得到对应的二维时频图像,从时域和频域两方面对轴承故障进行表征;将时频图像作为Inception v3模型的输入,利用其模型的稀疏特性,快速从时频图像中自动学习故障特征,并对其模型参数进行调整;最后,利用训练好的模型实现印刷设备轴承故障诊断。结果 利用印刷设备轴承实验平台对提出方法的有效性进行了验证,实验结果表明该方法的平均诊断精度可达92.53%。结论 与传统智能诊断方法相比,所提方法在诊断精度与稳定性方面均具有一定的优势,可实现高精度印刷设备轴承故障诊断。     

卷积神经网络与知识图谱结合的轴承故障诊断

针对目前旋转机械故障诊断时,存在单一地利用振动数据、诊断结果模糊的问题,提出一种卷积神经网络(Convolutional Neural Network,CNN)与知识图谱结合的故障诊断方法。该方法以原始轴承数据和机理知识作为输入,然后进行实体抽取和数据标注,利用本文提出的端到端多尺度注意力机制神经网络模型进行故障诊断,最终构建知识图谱,实现故障信息的详细展示,进行辅助诊断。利用两份数据集进行实验验证,采用全新的数据处理方法,结果表明,所提出的算法在160种故障类型中加权F1值相比基准模型提高11.03%,并且利用传统故障诊断实验和其他算法对比充分证明本文提出的模型具有较强的稳定性和泛化性能。     

基于多元统计的电机故障诊断新方法

提出了用多元统计过程控制方法(MSPC)对异步电动机进行故障诊断的新方法.利用多个传感器测量的异步电机多维信号参量,构建电机在正常工作和发生故障时的Q统计和T2统计,以实现电机的状态检测;利用Q统计和T2统计值构建电机的状态特征向量,通过比较度量当前电机的特征向量H与电机发生故障时的特征向量HF的几何距离来实现电机故障的定位与分离.实验证明,该方法可以有效地实现故障的诊断与分离.     

基于EWMA-BN的冷水机组故障诊断策略

为提高冷水机组故障诊断的准确度,本文提出一种基于EWMA-BN的冷水机组故障诊断策略。EWMA-BN模型通过EWMA控制图进行故障检测,以其控制限为阈值将各性能指标的故障数据分为高、低、正常3种状态,通过概率统计获得条件概率表,将条件概率表和由专家知识获得的先验概率表输入BN进行故障诊断。利用实验数据从输入模型的证据节点数量、顺序及完整性等方面分析该模型的故障诊断特性。结果表明:EWMA-BN方法对冷水机组常见故障的诊断效果显著,后验概率值(故障诊断结果)均大于0.85,且输入模型的证据节点越多,故障诊断结果越准确,但证据节点输入模型的顺序对最终故障诊断结果无任何影响;对不确定、不完整信息的利用进一步提高了模型的故障诊断能力。采用ASHRAE Project提供的数据对EWMA-BN模型进行验证,故障诊断结果良好。     

支持张量机与KNN-AMDM决策融合的齿轮箱故障诊断方法

针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表明,该方法可提高齿轮故障诊断结果的可信度。     

基于数据挖掘的配网设备故障自动诊断方法

在常规的配网设备故障的诊断方法中选用基于专家系统的诊断,虽然能解决现场问题,但是难以解决诊断中的误判问题,导致诊断精度较低。因此该文提出基于数据挖掘的配网设备故障自动诊断方法。在对设备故障自动诊断的方法设计中,先将配网设备的故障信息进行聚类,通过全局定位方法,对设备内故障问题所代表的逃逸因子进行定位。然后基于数据挖掘构建故障诊断模型,在随机森林的算法构建中,以决策树来诊断故障信息,最后对诊断方法进行优化。试验中试验组在4组样本中自动诊断的平均精确度为97.25%,对照组Ⅰ自动诊断的平均精确度为79.44%,对照组Ⅱ自动诊断的平均精确度为81.32%。根据试验结果可知,基于数据挖掘的诊断方法具有较高的诊断精确度,可以进行推广应用。     

基于声场图像分析的印刷机轴承故障诊断方法

目的针对印刷机墨辊轴承的故障信息获取及诊断难等问题,提出一种基于声场图像分析的故障诊断与定位方法。方法首先,构建声音测试系统并划分检测对象的空间区域,逐一采集信号并依据对应空间位置关系进行重构与组合;其次,将一段时间内的信号能量进行叠加,同时依据空间位置关系形成叠加状态的声场图像信息;然后,引入二维经验模式分解(BEMD)分析空间域图像信息,消除环境噪声干扰并得到声场图像的高频信息。结果对不同位置、不同种类的墨路系统故障轴承进行特征分析与比对,利用IBIMF分量及统计特征实现了轴承内、外圈故障的诊断,利用无量纲特征实现了不同故障位置的有效定位,并通过实验验证了方法的有效性。结论所提出故障诊断方法发挥了非接触测量优势,同时具有较强故障表征能力,适用于同类复杂机械系统。     

复杂电力电子主回路故障诊断研究与仿真

根据双桥串联可控整流电路输出故障电压具有周期性、平移性、随着控制角大小变化波形伸展的特点,按晶闸管序号进行了故障分类,共有25大类、294小类,提出了实时采样的快速傅立叶变换＋概率神经网络的故障诊断方法．首先对整流输出电压实时采样值进行快速傅立叶变换得到幅值和相位,然后根据幅值信息利用概率神经网络进行故障大类识别,利用相位信息进行故障小类识别．仿真结果表明,该方法诊断结果正确、实时性好、硬件实现简单,对复杂电力电子主回路的故障诊断具有普遍适用性．     

非线性复合FSVM在设备故障诊断中的应用

为了提高设备故障诊断的精度和准确性,利用模糊支持向量机（fuzzy support vector machine,FSVM）,处理设备故障样本中的噪声数据。单个核函数构成的FSVM可以处理单一特征的样本集,但不能满足现有设备故障分析实际应用的需求。本文在现有核函数的基础上,进行复合核函数构建,可以有效解决设备故障样本集异构和分布不规则的特征,并可以对于故障进行有效分析,得到较为诊断准确的研究结果。通过对滚动轴承故障实验数据的分析,证明基于复合核函数的FSVM方法,可以有效提高故障诊断的准确度。该方法相比传统FSVM的分析结果,其故障数据信息利用更加充分,故障诊断准确性有效提高,具有较好的有效性和可行性。     

基于振动和证据理论的柴油机缸套磨损故障诊断

在简述Dempster-Shafer证据理论的基础上,探讨了内燃机缸套磨损故障诊断中的故障识别框架的形成、mass函数的构造以及相应的组合与推理思路,并以柴油机缸套磨损故障诊断为例,详细说明了该方法的具体实现步骤.测量6-135G型柴油机缸套在正常、中等磨损故障、严重磨损故障和破坏性磨损故障四种状态下的机体表面振动,通过时、频域分析,得到了故障特征信息;利用Dempster-Shafer证据理论方法对故障特征信息进行融合处理,有效地诊断识别了柴油机缸套的多种磨损故障,诊断结论的可信度明显提高,不确定性明显减小.研究表明,可以基于振动和Dempster-Shafer证据理论进行内燃机缸套磨损故障诊断,诊断效果良好,并有效地提高柴油机故障诊断的准确性和可靠性.     

信息融合技术在汽轮发电机组故障诊断中的应用

本文研究了信息融合技术在汽轮发电机组故障诊断中的应用,介绍了信息融合技术的基本原理和方法,提出了将这种方法应用于汽轮发电机组故障诊断中的数据处理模型;应用自组织神经网络方法,对机组的振动参数和热力参数等信息进行信息融合;对汽轮发电机组典型故障的诊断实例进行了分析,结果表明信息融合技术用于汽轮发电机组故障诊断是可行的和有效的,提高了诊断的准确性.     

基于三维声场空间特征的故障诊断方法研究

基于机械表面声压幅值分布变化的声像故障诊断方法改善了传统的采用单点测试的声诊断鲁棒性,但由于忽略空间相位信息,在弱故障工况下存在识别率低和诊断困难等问题。针对上述问题,运用信息映射和融合的思想,提出了一种基于三维声场物理空间特征的声诊断方法。首先利用近场声全息技术构建弱故障工况的辐射声场,将声源的相位信息映射到空间域,得到三维场点声压分布;然后在一个波长范围内序列拾取13个辐射声场空间断层,对每个断层面提取Gabor小波特征,并构建声场空间特征模型进行诊断识别。仿真和实验研究结果表明基于三维空间声场的故障诊断方法能有效改善弱故障工况的诊断鲁棒性,进一步拓展了声成像技术的工程应用,并为声学故障诊断提供了新思路。